Comportamiento de contagios de COVID-19 en México en toda la población registrada

Se importan librerías necesarias para trabajar con dataframes y graficar.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
pd.options.mode.chained_assignment = None  # default='warn'

# Tamaño de la letra fuente de los labels x e y. Así como de las divisiones.
fontsize = 30
labelsize = 20
linewidth = 2

Esta información es obtenida directamente de los Datos Abiertos de la Dirección General de Epidemiología. The information is obtained directly from the Datos Abiertos of Dirección General de Epidemiología: https://www.gob.mx/salud/documentos/datos-abiertos-152127 http://datosabiertos.salud.gob.mx/gobmx/salud/datos_abiertos/datos_abiertos_covid19.zip

covid19_df = pd.read_csv('210816COVID19MEXICO.csv')

/Users/sinue/opt/anaconda3/lib/python3.8/site-packages/IPython/core/interactiveshell.py:3165: DtypeWarning: Columns (38) have mixed types.Specify dtype option on import or set low_memory=False.
  has_raised = await self.run_ast_nodes(code_ast.body, cell_name,

print(covid19_df.head())
covid19_df.columns

  FECHA_ACTUALIZACION ID_REGISTRO  ORIGEN  SECTOR  ENTIDAD_UM  SEXO  \
0          2021-08-16      z482b8       2      12           9     2   
1          2021-08-16      z49a69       1      12          23     1   
2          2021-08-16      z23d9d       1      12          22     2   
3          2021-08-16      z24953       1      12           9     1   
4          2021-08-16      zz8e77       2      12           9     2   

   ENTIDAD_NAC  ENTIDAD_RES  MUNICIPIO_RES  TIPO_PACIENTE  ... OTRO_CASO  \
0            9            9             12              1  ...         2   
1           23           23              4              2  ...         1   
2           24           22              9              1  ...         2   
3            9            9             10              1  ...         1   
4            9            9              2              1  ...         2   

  TOMA_MUESTRA_LAB RESULTADO_LAB  TOMA_MUESTRA_ANTIGENO  RESULTADO_ANTIGENO  \
0                2            97                      2                  97   
1                2            97                      2                  97   
2                2            97                      2                  97   
3                1             2                      2                  97   
4                2            97                      2                  97   

   CLASIFICACION_FINAL  MIGRANTE  PAIS_NACIONALIDAD  PAIS_ORIGEN  UCI  
0                    1        99             México           97   97  
1                    2        99             México           97    1  
2                    6        99             México           97   97  
3                    7        99             México           97   97  
4                    6        99             México           97   97  

[5 rows x 40 columns]

Index(['FECHA_ACTUALIZACION', 'ID_REGISTRO', 'ORIGEN', 'SECTOR', 'ENTIDAD_UM',
       'SEXO', 'ENTIDAD_NAC', 'ENTIDAD_RES', 'MUNICIPIO_RES', 'TIPO_PACIENTE',
       'FECHA_INGRESO', 'FECHA_SINTOMAS', 'FECHA_DEF', 'INTUBADO', 'NEUMONIA',
       'EDAD', 'NACIONALIDAD', 'EMBARAZO', 'HABLA_LENGUA_INDIG', 'INDIGENA',
       'DIABETES', 'EPOC', 'ASMA', 'INMUSUPR', 'HIPERTENSION', 'OTRA_COM',
       'CARDIOVASCULAR', 'OBESIDAD', 'RENAL_CRONICA', 'TABAQUISMO',
       'OTRO_CASO', 'TOMA_MUESTRA_LAB', 'RESULTADO_LAB',
       'TOMA_MUESTRA_ANTIGENO', 'RESULTADO_ANTIGENO', 'CLASIFICACION_FINAL',
       'MIGRANTE', 'PAIS_NACIONALIDAD', 'PAIS_ORIGEN', 'UCI'],
      dtype='object')

Se obtienen solo las columnas de interés

covid19_df_copy = covid19_df.copy()[['ID_REGISTRO','FECHA_INGRESO','FECHA_DEF','EDAD','DIABETES','OBESIDAD','TABAQUISMO']]

Se asigna un valor de 1 cuando la persona registrada no haya sido registrada como un deceso, si sigue viva es un 0

covid19_df_copy['DECESO'] = np.where(covid19_df_copy['FECHA_DEF'] != '9999-99-99', 1, 0)

Se agrega una columna de rango de edad, en intervalo de 10 años

covid19_df_copy['RANGO_EDAD'] = (covid19_df_copy['EDAD'] / 10).astype(int)*10

# Esta función convierte un identificador numérico en uno categórico de tipo string
# (aplica para Diabetes, Obesidad y Tabaquismo, de acuerdo al Glosario proporcionado 
# en la misma página mencionada arriba)
def numero_a_caso(x):
    switcher = {
        1:"Si",
        2:"No",
        97:"No aplica",
        98:"Se ignora",
        99:"No especificado"
    }
    return switcher.get(x, "Default")

covid19_df_copy['DIABETES'] = covid19_df_copy['DIABETES'].apply(numero_a_caso)
covid19_df_copy['OBESIDAD'] = covid19_df_copy['OBESIDAD'].apply(numero_a_caso)
covid19_df_copy['TABAQUISMO'] = covid19_df_copy['TABAQUISMO'].apply(numero_a_caso)

covid19_df_copy.info()
covid19_df_copy.isnull().sum()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 9113592 entries, 0 to 9113591
Data columns (total 9 columns):
 #   Column         Dtype 
---  ------         ----- 
 0   ID_REGISTRO    object
 1   FECHA_INGRESO  object
 2   FECHA_DEF      object
 3   EDAD           int64 
 4   DIABETES       object
 5   OBESIDAD       object
 6   TABAQUISMO     object
 7   DECESO         int64 
 8   RANGO_EDAD     int64 
dtypes: int64(3), object(6)
memory usage: 625.8+ MB

ID_REGISTRO      0
FECHA_INGRESO    0
FECHA_DEF        0
EDAD             0
DIABETES         0
OBESIDAD         0
TABAQUISMO       0
DECESO           0
RANGO_EDAD       0
dtype: int64

covid19_df_copy['FECHA_INGRESO'] = pd.to_datetime(covid19_df_copy['FECHA_INGRESO'], format='%Y-%m-%d')

covid19_df_copy = covid19_df_copy.sort_values(by=['FECHA_INGRESO'], ascending = True) 

covid19_df_copy.head()

	ID_REGISTRO	FECHA_INGRESO	FECHA_DEF	EDAD	DIABETES	OBESIDAD	TABAQUISMO	DECESO	RANGO_EDAD
218	033d67	2020-01-01	9999-99-99	44	No	Si	No	0	40
219	040b7b	2020-01-01	9999-99-99	13	No	No	No	0	10
529909	087db8	2020-01-01	9999-99-99	2	No	No	No	0	0
216	19de46	2020-01-01	9999-99-99	29	No	No	No	0	20
529999	0d4624	2020-01-01	2020-01-19	64	No	No	No	1	60

# Esta función reinicia el dataframe final_covid19_df a su estado inicial
def restore_df():
    final_covid19_df = None
    final_covid19_df = covid19_df_copy.copy()
    final_covid19_df['CASO'] = 1

final_covid19_df = None
final_covid19_df = covid19_df_copy.copy()
final_covid19_df['CASO'] = 1

final_covid19_df.head()

	ID_REGISTRO	FECHA_INGRESO	FECHA_DEF	EDAD	DIABETES	OBESIDAD	TABAQUISMO	DECESO	RANGO_EDAD	CASO
218	033d67	2020-01-01	9999-99-99	44	No	Si	No	0	40	1
219	040b7b	2020-01-01	9999-99-99	13	No	No	No	0	10	1
529909	087db8	2020-01-01	9999-99-99	2	No	No	No	0	0	1
216	19de46	2020-01-01	9999-99-99	29	No	No	No	0	20	1
529999	0d4624	2020-01-01	2020-01-19	64	No	No	No	1	60	1

Vista general de casos de COVID-19 registrados por día

# final_covid19_df.groupby(["FECHA_INGRESO"]).sum().reset_index().plot(x='FECHA_INGRESO', y=['CASO'], figsize=(20,10))
# plt.title("Casos de Covid-19 registrados")
# plt.xlabel("Meses")
# plt.ylabel("Casos registrados")
# plt.show()
plt.figure(figsize=(20,10))
sns.set_theme(style="whitegrid")
sns.lineplot(x='FECHA_INGRESO', 
      y='CASO',
      data=final_covid19_df.groupby(["FECHA_INGRESO"]).sum().reset_index(),
             color = "green",
            linewidth = linewidth)
plt.title("Casos de COVID-19 registrados", fontsize = fontsize)
plt.xlabel("Meses", fontsize = fontsize)
plt.ylabel("Casos registrados", fontsize = fontsize)
plt.tick_params(axis = 'x', labelsize=20)
plt.tick_params(axis = 'y', labelsize=20)

Casos y decesos de COVID-19 en México

final_covid19_df.groupby(["FECHA_INGRESO"]).sum().reset_index().plot(
    x='FECHA_INGRESO', 
    y=['CASO'], 
    figsize=(20,10), 
    color='Green', 
    linewidth = linewidth)
plt.title("Casos de COVID-19 registrados", fontsize=fontsize)
plt.xlabel("Meses", fontsize=fontsize)
plt.ylabel("Casos registrados", fontsize=fontsize)
plt.tick_params(axis = 'x', labelsize=20)
plt.tick_params(axis = 'y', labelsize=20)

final_covid19_df[final_covid19_df['DECESO'] == True].groupby(["FECHA_DEF"]).sum().reset_index().plot(
    x='FECHA_DEF', 
    y=['DECESO'], 
    figsize=(20,10), 
    color='Orange',
    linewidth = linewidth)
plt.title("Decesos de COVID-19 registrados", fontsize=fontsize)
plt.xlabel("Meses", fontsize=fontsize)
plt.ylabel("Decesos registrados", fontsize=fontsize)
plt.tick_params(axis = 'x', labelsize=20)
plt.tick_params(axis = 'y', labelsize=20)

final_covid19_df.groupby(["FECHA_INGRESO"]).sum().reset_index().plot(
    x='FECHA_INGRESO', 
    y=['CASO', 'DECESO'], 
    color=['Green','Orange'], 
    figsize=(20,10),
    linewidth = linewidth)
plt.title("Casos y Decesos de COVID-19 registrados", fontsize=fontsize)
plt.xlabel("Meses", fontsize=fontsize)
plt.ylabel("Casos y Decesos registrados", fontsize=fontsize)
plt.tick_params(axis = 'x', labelsize=20)
plt.tick_params(axis = 'y', labelsize=20)

Se agrupan los casos conforme a la fecha de ingreso

final_covid19_df = final_covid19_df.groupby(['FECHA_INGRESO']).sum().reset_index()
final_covid19_df.head()

	FECHA_INGRESO	EDAD	DECESO	RANGO_EDAD	CASO
0	2020-01-01	1623	7	1450	37
1	2020-01-02	4210	7	3670	129
2	2020-01-03	7261	12	6350	211
3	2020-01-04	2698	4	2390	80
4	2020-01-05	5470	13	4900	138

Aceleración de Casos y Decesos por día

Esto ayuda a entender qué tan rápido aumentan o disminuyen los casos. Si la aceleración es negativa, quiere decir que el número de casos ha disminuido de un día a otro, caso contrario significa que ha aumentado de un día a otro.

# Esta función calcula la aceleración de casos y decesos por día, en general
def calcular_aceleracion():
    final_covid19_df['ACELERACION_CASOS_DIA'] = final_covid19_df['CASO']
    final_covid19_df['ACELERACION_DECESOS_DIA'] = final_covid19_df['DECESO']
    final_covid19_df['ACELERACION_CASOS_DIA'][0] = final_covid19_df['CASO'][0]
    final_covid19_df['ACELERACION_DECESOS_DIA'][0] = final_covid19_df['DECESO'][0]

    for index, _ in enumerate(final_covid19_df['CASO'][1:]):
        final_covid19_df['ACELERACION_CASOS_DIA'][index+1] = final_covid19_df['CASO'][index+1] - final_covid19_df['CASO'][index]
        final_covid19_df['ACELERACION_DECESOS_DIA'][index+1] = final_covid19_df['DECESO'][index+1] - final_covid19_df['DECESO'][index]
        

calcular_aceleracion()

Se grafican las aceleraciones de Casos y Decesos por día.

final_covid19_df.groupby(["FECHA_INGRESO"]).sum().reset_index().plot(
    x='FECHA_INGRESO', 
    y='ACELERACION_CASOS_DIA', 
    figsize=(20,10), 
    color="Green",
    linewidth = linewidth)
plt.title("Aceleración de Casos por Covid-19 registrados", fontsize = 20)
plt.xlabel("Meses", fontsize = 20)
plt.ylabel("Casos por día", fontsize = 20)
plt.tick_params(axis = 'x', labelsize=20)
plt.tick_params(axis = 'y', labelsize=20)

final_covid19_df.groupby(["FECHA_INGRESO"]).sum().reset_index().plot(
    x='FECHA_INGRESO', 
    y='ACELERACION_DECESOS_DIA', 
    figsize=(20,10), 
    color="Orange",
    linewidth = linewidth)
plt.title("Aceleración de Decesos por Covid-19 registrados", fontsize = 20)
plt.xlabel("Meses", fontsize = 20)
plt.ylabel("Decesos por día", fontsize = 20)
plt.tick_params(axis = 'x', labelsize=20)
plt.tick_params(axis = 'y', labelsize=20)

# restore_df()

final_covid19_df = None
final_covid19_df = covid19_df_copy.copy()
final_covid19_df['CASO'] = 1

final_covid19_df = final_covid19_df.groupby(['FECHA_INGRESO','RANGO_EDAD'], as_index=False)

final_covid19_df.head()

	ID_REGISTRO	FECHA_INGRESO	FECHA_DEF	EDAD	DIABETES	OBESIDAD	TABAQUISMO	DECESO	RANGO_EDAD	CASO
218	033d67	2020-01-01	9999-99-99	44	No	Si	No	0	40	1
219	040b7b	2020-01-01	9999-99-99	13	No	No	No	0	10	1
529909	087db8	2020-01-01	9999-99-99	2	No	No	No	0	0	1
216	19de46	2020-01-01	9999-99-99	29	No	No	No	0	20	1
529999	0d4624	2020-01-01	2020-01-19	64	No	No	No	1	60	1
...	...	...	...	...	...	...	...	...	...	...
850399	9521bb	2021-08-16	9999-99-99	3	No	No	No	0	0	1
850375	a73740	2021-08-16	9999-99-99	84	No	No	No	0	80	1
850605	a373cf	2021-08-16	9999-99-99	85	Si	No	No	0	80	1
850381	c1af5f	2021-08-16	9999-99-99	93	No	No	No	0	90	1
850470	6f17d3	2021-08-16	9999-99-99	0	No	No	No	0	0	1

31237 rows × 10 columns

Se calcula la tasa de Decesos sobre número de Casos por día. Esto da una idea de la tasa de mortalidad, es decir cuántas personas mueren por cada contagio

type(final_covid19_df)

pandas.core.groupby.generic.DataFrameGroupBy

final_covid19_df_tasa = pd.DataFrame(final_covid19_df.sum().reset_index())

final_covid19_df_tasa.head()

	index	FECHA_INGRESO	RANGO_EDAD	EDAD	DECESO	CASO
0	0	2020-01-01	0	15	1	5
1	1	2020-01-01	10	36	0	3
2	2	2020-01-01	20	81	0	3
3	3	2020-01-01	30	176	0	5
4	4	2020-01-01	40	138	1	3

final_covid19_df_tasa['TASA_DECESOS_CASOS'] = final_covid19_df_tasa['DECESO'] / final_covid19_df_tasa['CASO'] * 100

final_covid19_df_tasa.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6646 entries, 0 to 6645
Data columns (total 7 columns):
 #   Column              Non-Null Count  Dtype         
---  ------              --------------  -----         
 0   index               6646 non-null   int64         
 1   FECHA_INGRESO       6646 non-null   datetime64[ns]
 2   RANGO_EDAD          6646 non-null   int64         
 3   EDAD                6646 non-null   int64         
 4   DECESO              6646 non-null   int64         
 5   CASO                6646 non-null   int64         
 6   TASA_DECESOS_CASOS  6646 non-null   float64       
dtypes: datetime64[ns](1), float64(1), int64(5)
memory usage: 363.6 KB

final_covid19_df_tasa = final_covid19_df_tasa.groupby('RANGO_EDAD', as_index=False)

final_covid19_df_tasa.head()

	index	FECHA_INGRESO	RANGO_EDAD	EDAD	DECESO	CASO	TASA_DECESOS_CASOS
0	0	2020-01-01	0	15	1	5	20.000000
1	1	2020-01-01	10	36	0	3	0.000000
2	2	2020-01-01	20	81	0	3	0.000000
3	3	2020-01-01	30	176	0	5	0.000000
4	4	2020-01-01	40	138	1	3	33.333333
...	...	...	...	...	...	...	...
1449	1449	2020-05-20	120	120	0	1	0.000000
1690	1690	2020-06-11	120	120	0	1	0.000000
1910	1910	2020-07-01	120	120	0	1	0.000000
2055	2055	2020-07-14	120	120	0	1	0.000000
2235	2235	2020-07-30	120	240	0	2	0.000000

65 rows × 7 columns

Finalmente se grafican los Casos, Decesos y tasa de Decesos/Casos en grupos de 10 años

plt.close()
for group in final_covid19_df_tasa.groups:
    caso = final_covid19_df_tasa.get_group(group).plot(
        x='FECHA_INGRESO', 
        y='CASO', 
        title=f'Grupo: {group} años',
        legend=True, 
        figsize=(20,10), 
        color ="Green",
        linewidth = linewidth)
    caso.title.set_size(fontsize)
    caso.set_xlabel("Meses", fontsize = fontsize)
    caso.set_ylabel('Casos por día', fontsize = fontsize)
    plt.tick_params(axis = 'x', labelsize=labelsize)
    plt.tick_params(axis = 'y', labelsize=labelsize)
    
    deceso = final_covid19_df_tasa.get_group(group).plot(
        x='FECHA_INGRESO',
        y='DECESO', 
        title=f'Grupo: {group} años', 
        legend=True, 
        figsize=(20,10), 
        color = 'Orange',
        linewidth = linewidth)
    deceso.title.set_size(fontsize)
    deceso.set_xlabel("Meses", fontsize = fontsize)
    deceso.set_ylabel('Decesos por día', fontsize = fontsize)
    plt.tick_params(axis = 'x', labelsize=labelsize)
    plt.tick_params(axis = 'y', labelsize=labelsize)
    
    tasa = final_covid19_df_tasa.get_group(group).plot(
        x='FECHA_INGRESO', 
        y='TASA_DECESOS_CASOS',
        title=f'Grupo: {group} años', 
        legend=True, 
        figsize=(20,10), 
        color = 'Pink',
        linewidth = linewidth)
    tasa.title.set_size(fontsize)
    tasa.set_xlabel("Meses", fontsize = fontsize)
    tasa.set_ylabel('Decesos/Casos %', fontsize = fontsize)
    plt.tick_params(axis = 'x', labelsize=labelsize)
    plt.tick_params(axis = 'y', labelsize=labelsize)

/Users/sinue/opt/anaconda3/lib/python3.8/site-packages/pandas/plotting/_matplotlib/core.py:337: RuntimeWarning: More than 20 figures have been opened. Figures created through the pyplot interface (`matplotlib.pyplot.figure`) are retained until explicitly closed and may consume too much memory. (To control this warning, see the rcParam `figure.max_open_warning`).
  fig = self.plt.figure(figsize=self.figsize)